آمایش فضا و ژئوماتیک، جلد ۱۲، شماره ۲، صفحات ۲۹-۵۱
عنوان فارسی بررسی رابطه تغییرات بارش سالیانه تبریز با ناهنجاریهای دمایی کره زمین و شبیه سازی عددی آن با استفاده از شبکه عصبی مصنوعی
چکیده فارسی مقاله در این تحقیق داده های مربوط به ناهنجاریهای دمایی کره زمین و بارش متوسط سالیانه ایستگاه تبریز در طی دوره آماری 1951-2005 استفاده شده اند. روشهای اصلی به کار گرفته شده در این مطالعه عبارت است از روش تعیین ضریب همبستگی پیرسون، تحلیل مؤلفه روند سری های زمانی، رگرسیون خطی ساده و رگرسیون پولی نومیال به عنوان یک روش نیمه خطی و شبکه های عصبی مصنوعی. نتایج حاصل از کاربرد و تحلیل همبستگی پیرسون نشانگر همبستگی منفی و معکوس معنا داری بین بارش سالیانه تبریز و ناهنجاریهای دمایی کره زمین است. این به آن معنا است که غالباً با منفی شدن ناهنجاریهای دمایی کره زمین، بارش سالیانه تبریز افزایش پیدا کرده و ترسالی به وقوع می پیوندد و برعکس با مثبت شدن ناهنجاریهای دمایی کره زمین، متوسط بارش سالیانه تبریز کاهش پیدا کرده و خشکسالی به وقوع می پیوندد. تحلیل مؤلفه روند بلندمدت سری های زمانی نشان می دهد که در طول دوره آماری از بارش متوسط سالیانه تبریز کاسته می شود، اما روند ناهنجاریهای دمایی کره زمین روندی افزایشی از خود نشان می دهد. ارتباط بارش متوسط سالیانه تبریز با گرمایش جهانی نیز با استفاده از شبکه های عصبی مصنوعی شبیه سازی شده است. نتایج حاصل از کاربرد روشهای مختلف در این مطالعه نشان می دهد که روش شبکه عصبی مصنوعی در مقایسه با روشهای رگرسیون خطی ساده و رگرسیون نیمه خطی پولی نومیال درجه 6، روش شبیه سازی بهتر و دقیقتر است. روشهای مختلف شبکه های عصبی مصنوعی به کار گرفته شده در این مطالعه نشان می دهد که روش پرسپترون چند لایه با 3 لایه مخفی و الگوریتم آموزش پس انتشار قابلیت بسیار عالی در پیش بینی همبستگی بین سری ها دارد.
کلیدواژه‌های فارسی مقاله تبریز،بارش سالیانه،روند بارش،روشهای رگرسیون،شبکه های عصبی مصنوعی،پرسپترون چند لایه،تغییر اقلیم
عنوان انگلیسی An Investigation on the Relationship between the Precipitation Variations in Tabriz with theGlobal Temperature Anomalies and its Numerical Simulation Using the Artificial Neural Network
چکیده انگلیسی مقاله In this research, the data relating to global land/oceans temperature anomalies and annual mean precipitation of Tabriz station were used for the period of 1951-2005. The main methodologies used in this research include the Pearson correlation coefficient method, analysis of trend component of time series, simple linear and polynomial regression (as a semi-linear model) and Artificial Neural Networks methods. The results of applying Pearson analysis indicated a significant negative and an inverse correlation between global land/oceans temperature anomalies and annual precipitation in Tabriz station. This is an indicative of increase in precipitation and occurrence of wet years during the negative global temperature anomalies and, on contrary, precipitation reduction and occurrence of droughts during the positive global temperature anomalies. The analysis of long term trend components of time series showed that the annual mean precipitation of Tabriz has a decreasing trend towards the length of the period, but annual global land/oceans temperature anomalies has an increasing trend towards the length of the period. Also we simulated the relationships between annual precipitation in Tabriz station and global warming using Artificial Neural Networks. Applying of different methods recognized artificial neural network as a better and more accurate simulation model compared to the other models applied in this research, i.e. simple regression model, and semiـ linear polynomial regression with the power of 6 models. Different artificial neural network methods were used to demonstrate this relation, among which the Multi Layer Perceptron (MLP) with three hidden layers analysis with back propagation learning algorithm showed excellent capability in predicting the correlation between the series.
کلیدواژه‌های انگلیسی مقاله Annual precipitation,Rainfall trend,Regression methods,artificial neural networks,Multi-layer perceptron (mlp),Climate Change,Tabriz
نویسندگان مقاله جواد خوشحال دستجردی | javad khoshhal dastjerd
university of isfahan, isfahan, iran.
دانشگاه اصفهان، اصفهان، ایران.
سازمان اصلی تایید شده: دانشگاه اصفهان (Isfahan university)

یوسف قویدل رحیمی | yousef ghavidel rahimi
ph.d. student, climatology, university of isfahan, isfahan, iran
دانشجوی دکتری اقلیم شناسی دانشگاه اصفهان، اصفهان، ایران
سازمان اصلی تایید شده: دانشگاه اصفهان (Isfahan university)

نشانی اینترنتی http://journals.modares.ac.ir/browse.php?a_code=A-10-1000-3304&slc_lang=fa&sid=21
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات